आपकी टीम हर दिन 87 मिनट AI टूल्स के भीतर बिताती है। इसमें से 42% समय गड़बड़ियाँ सुलझाने और प्रॉम्प्ट दोहराने में जाता है, जबकि काम को वास्तव में आगे बढ़ाने वाले हिस्से को केवल 35% मिलता है (BambooHR, 2026)। AI समस्या-निवारण समय अब औसत कार्यदिवस में AI समय की सबसे बड़ी अकेली श्रेणी है — उस उत्पादक श्रेणी से भी बड़ी, जिसे बढ़ाने के लिए ये टूल्स खरीदे गए थे।
सालाना हिसाब से ये 87 मिनट लगभग 47 आठ-घंटे के कार्यदिवसों के बराबर बैठते हैं। इनमें से करीब 20 दिन टूल को ठीक से चलवाने में निकल जाते हैं।
यह अपनाने की समस्या नहीं है। अपनाना काम कर रहा है। यह मापन की समस्या है: इस रोलआउट पर नज़र रखने वाला लगभग हर डैशबोर्ड उन 87 मिनटों को गिनता है, और कोई भी उन्हें तोड़कर नहीं देखता।
वह अध्ययन जिससे आपकी नवीनीकरण चर्चा शुरू होनी चाहिए
BambooHR के Redesigning Work: AI's Performance Review में 1,608 पूर्णकालिक वेतनभोगी अमेरिकी कर्मचारियों का सर्वेक्षण किया गया, जिनमें 520 HR पेशेवरों का एक उप-समूह शामिल था; डेटा 26 जून से 15 जुलाई 2026 के बीच Method Research द्वारा एकत्र किया गया और रिपोर्ट 1 सितंबर को प्रकाशित हुई (BambooHR, 2026)। उत्तरदाता एक दर्जन से अधिक उद्योगों से थे, लिंग के हिसाब से समान रूप से बँटे हुए, तथा आयु-वर्गों और भौगोलिक क्षेत्रों में फैले हुए।
मुख्य निष्कर्ष यह विभाजन ही है:
- 42% AI समय — गड़बड़ियाँ सुलझाना और प्रॉम्प्ट दोहराना
- 35% AI समय — उत्पादक काम जो कर्मचारी के कार्यभार को आगे बढ़ाता है
- 23% — बाकी सब कुछ
प्रतिशतों के बजाय अनुपात याद रखें। आपकी टीम किसी AI टूल से मूल्य निकालने में जितने तीन मिनट लगाती है, उतने में चार मिनट वह टूल से कुछ उपयोग योग्य निकलवाने में लगाती है। इस अनुपात की एक लागत है, एक वितरण है, और दोनों में से कोई भी लाइसेंस-गणना रिपोर्ट में नहीं दिखता।
इस बीच, 63% संगठन पहले ही अपने AI टूल बजट बढ़ा चुके हैं। खर्च एक ऐसे हर पर बढ़ रहा है जिसे किसी ने विभाजित नहीं किया।
यह बोझ आपके संगठन-चार्ट को उलट देता है
यही वह हिस्सा है जिसे आपकी नज़र की दिशा बदल देनी चाहिए।
स्तर के अनुसार AI टूल्स में प्रतिदिन बिताए गए मिनट (BambooHR, 2026):
- वीपी और शीर्ष प्रबंधन: 101 मिनट
- मैनेजर और निदेशक: 89 मिनट
- व्यक्तिगत योगदानकर्ता: 54 मिनट
वरिष्ठ अधिकारी इन टूल्स में अपने अधीनस्थों की तुलना में लगभग दोगुना समय बिताते हैं। यदि समस्या-निवारण का हिस्सा स्तरों के बीच मोटे तौर पर भी स्थिर रहता है, तो आपकी कंपनी में अनुत्पादक AI समय का सबसे बड़ा भंडार उसकी सबसे महँगी श्रमशक्ति पैदा कर रही है।
इसे मध्यम-आकार के पैमाने पर रखिए। 200 FTE वाली कंपनी, जिसमें 15 लोग वीपी स्तर या उससे ऊपर हों: रोज़ 101 मिनट, जिसका 42% समस्या-निवारण, यानी प्रति अधिकारी प्रतिदिन लगभग 42 मिनट। 15 लोगों पर यह रोज़ 10 से अधिक वरिष्ठ-घंटे बनता है — एक अतिरिक्त पूर्णकालिक वरिष्ठ कर्मचारी से भी ज़्यादा, जो पूरी तरह प्रॉम्प्ट दोहराने और गलतियाँ सुधारने में खर्च होता है और आपकी वेतन-सूची की सबसे महँगी पंक्ति से वित्तपोषित होता है।
इस पद को किसी ने स्वीकृत नहीं किया। यह एक टूल बजट के रास्ते आया।
वरिष्ठता लागत को क्यों केंद्रित करती है
जैसे ही आप देखते हैं कि वरिष्ठ लोग AI का उपयोग किसमें करते हैं, दिशा चौंकाती नहीं। उनका काम कम ढाँचागत, निर्णय-सघन और संदर्भ पर अधिक निर्भर होता है — ठीक वही प्रोफ़ाइल जो अधिक दोहराव, अधिक सुधार और अधिक छोड़े गए परिणाम पैदा करती है। जिन कार्यों में AI की उपज सबसे साफ़ होती है, वे प्रायः संरचित कार्य होते हैं, संगठन-चार्ट में नीचे की ओर।
यूरो क्षेत्र से इसी दिशा का एक संकेत मिलता है। ECB के उपभोक्ता अपेक्षा सर्वेक्षण में पाया गया कि AI से सबसे अधिक समय-उपज देने वाले कार्य संकीर्ण और कम उपयोग किए जाने वाले हैं — कोड जनरेशन और डिबगिंग सप्ताह में लगभग आठ घंटे लौटाते हैं, पर केवल लगभग 8% कर्मचारी वहाँ AI लगाते हैं — जबकि सबसे सामान्य उपयोग, यानी शोध, सूचना संग्रह, लेखन और संपादन, कहीं कम बचत देते हैं (ECB, 2026)। व्यापक, असंरचित, उच्च-संदर्भ वाला काम वही है जहाँ घंटे जाते हैं और सबसे कम उपज निकलती है। यह किसी वरिष्ठ अधिकारी के दिन का सटीक वर्णन है।
किसी ने शिकायत क्यों नहीं की
क्योंकि यह बर्बादी जैसा महसूस नहीं होता। यही वह बात है जो समस्या को पूरे बजट-चक्र तक अदृश्य रखती है।
BambooHR ने पाया कि 65% कर्मचारी काम में AI के उपयोग को लेकर आश्वस्त और उत्साहित महसूस करते हैं, और 58% समय की बचत को अपनी मुख्य प्रेरणा बताते हैं — जबकि वे उसी 42/35 विभाजन के भीतर बैठे हैं।
Culture Amp का पहला AI at Work बेंचमार्क यही अलगाव बड़े पैमाने पर दिखाता है। जुलाई 2026 तक के 12 महीनों में एकत्र लगभग 112,000 कर्मचारियों और 343,000 प्रतिक्रियाओं में, 71% कर्मचारियों ने कहा कि AI टूल्स उन्हें अधिक उत्पादक महसूस कराने में मदद करते हैं, और सबसे अधिक उपयोग करने वालों में यह आँकड़ा 93% तक पहुँच जाता है। फिर भी, जब पूछा गया कि क्या उनका कार्यभार उचित है, तो सघन उपयोगकर्ता 72% पर रहे और गैर-उपयोगकर्ता 69% पर — केवल तीन अंकों का अंतर (Culture Amp, 2026)।
अनुभव की गई उत्पादकता उपयोग की सघनता के साथ 22 अंक चढ़ती है। कार्यभार में अनुभव की गई राहत तीन अंक खिसकती है। इन दोनों वक्रों को साथ चलना चाहिए था, और वे नहीं चलते।
यहाँ स्व-रिपोर्टिंग ही कमज़ोर उपकरण है
अनुभव किए गए और मापे गए प्रभाव के बीच का अंतर प्रलेखित है, और यह एक ही दिशा में जाता है। अनुभवी ओपन-सोर्स डेवलपर्स पर METR के यादृच्छिक परीक्षण में पाया गया कि 2025 की शुरुआत के AI टूल्स ने उन्हें 19% धीमा कर दिया, जबकि प्रतिभागी मानते रहे कि वे तेज़ हुए हैं; 349 तकनीकी कर्मचारियों पर METR के बाद के सर्वेक्षण के अनुसार, उस अध्ययन के प्रतिभागियों ने कार्य-समय पर AI के प्रभाव को औसतन लगभग 40 प्रतिशत अंक अधिक आँका (METR, 2026)।
ब्रिटिश सरकार के अपने मूल्यांकन बेहतर पद्धति के साथ यही संकुचन दिखाते हैं। अंतर-विभागीय Microsoft 365 Copilot प्रयोग — 20,000 सरकारी कर्मचारी — ने प्रतिदिन औसतन 26 मिनट की बचत बताई, और यह आँकड़ा प्रतिभागियों ने स्वयं दी गई श्रेणियों में से अनुमान लगाकर निकाला था (GDS, 2025)। जब DWP ने उसी परीक्षण के अपने हिस्से का मूल्यांकन गैर-उपयोगकर्ताओं के तुलना-समूह के सामने किया, और जनसांख्यिकीय, व्यावसायिक तथा AI-रुचि संबंधी चरों को नियंत्रित किया, तो अनुमान आठ नियमित कार्यों पर प्रतिदिन 19 मिनट रह गया (DWP, 2025)।
अलग आबादी और अलग कार्य-दायरा, इसलिए यह साफ़-सुथरी पहले-बाद की तुलना नहीं है। पर ये एक ही रोलआउट के दो मापन हैं, और जिसमें तुलना-समूह है वही छोटा है। GDS रिपोर्ट अपने निष्कर्षों में स्पष्ट है: "प्रायोगिक सीमाओं के कारण यह पहचानना संभव नहीं था कि बचाया गया समय कहाँ खर्च हुआ।"
आपकी टीम का उत्साह असली है। वह प्रमाण नहीं है।
AI समस्या-निवारण समय आपके अपनाने के मेट्रिक्स को तोड़ देता है
लाइसेंस संख्या, लाइसेंस उपयोग और लॉगिन दर — ये सब उन्हीं 87 मिनटों को मापते हैं। इनमें से कोई भी 42 को 35 से अलग नहीं करता। इन प्रमाणों के आधार पर, मज़बूत उपयोग दिखाने वाला कोई भी अपनाने का डैशबोर्ड उतना ही उस टीम के अनुरूप है जो वास्तविक लाभ पा रही है, जितना उस टीम के जो साल में 20 कार्यदिवस अपने ही टूल्स से जूझ रही है।
इससे बुरा यह कि यह मेट्रिक गलत गति को पुरस्कृत करता है। टूल में बढ़ते मिनट सफलता की तरह पढ़े जाते हैं। यदि समस्या-निवारण का हिस्सा स्थिर है, तो बढ़ते मिनट मुख्यतः बढ़ता हुआ पुनःकार्य हैं।
ECB का परिणाम दूसरा सुधार जोड़ता है। यूरो क्षेत्र का औसत AI उपयोगकर्ता सप्ताह में लगभग तीन घंटे बचाता है, यानी कार्य-समय का करीब 7.7% — लेकिन चूँकि केवल 48.8% कर्मचारी AI का उपयोग भी करते हैं और उससे समय भी बचाते हैं, अर्थव्यवस्था-स्तर पर लाभ लगभग 3.8% रह जाता है (ECB, 2026)। प्रति-उपयोगकर्ता आँकड़ों को कर्मचारी संख्या से गुणा करना प्रतिफल को लगभग दोगुना बढ़ा-चढ़ाकर दिखाता है। "X मिनट की बचत × सब लोग" पर बना कोई भी बिज़नेस केस दो बार गलत होता है: एक बार भागीदारी पर, और एक बार उन्हीं मिनटों के भीतर समस्या-निवारण के हिस्से पर जिन्हें वह वाकई गिनता है।
ईमानदार प्रतिवाद
तीन सीमाएँ, साफ़ शब्दों में।
यह एक विक्रेता-अध्ययन है। BambooHR छोटे और मध्यम व्यवसायों को HR सॉफ़्टवेयर बेचती है और इस तर्क में उसका व्यावसायिक हित है कि AI रोलआउट को मानव-पक्ष के प्रबंधन की ज़रूरत होती है। फ़ील्डवर्क एक स्वतंत्र शोध फ़र्म ने किया, पद्धति सार्वजनिक है और नमूना उचित है — पर यह एक सर्वेक्षण-प्रकाशन है, सहकर्मी-समीक्षित शोधपत्र नहीं। तदनुसार भार दीजिए।
यह स्व-रिपोर्टिंग है, और इसका समर्थन करने वाला अधिकांश भी वही है। 42/35 का विभाजन कर्मचारियों द्वारा अपने ही समय-आवंटन के अनुमान पर टिका है — ठीक वही उपकरण जिसे METR ने इस क्षेत्र में अविश्वसनीय दिखाया। ईमानदार पाठ यह है: दिशा BambooHR, Culture Amp और ब्रिटिश परीक्षणों में अच्छी तरह पुष्ट है, जबकि परिमाण ढीले हैं। 42% को मापा हुआ स्थिरांक मानकर उद्धृत न करें। इसे अपना आँकड़ा मापने के कारण के रूप में उद्धृत करें।
वरिष्ठता वाला अंतर एक सहसंबंध है, तंत्र नहीं। BambooHR स्तर के अनुसार मिनट बताती है; स्तर के अनुसार समस्या-निवारण का हिस्सा नहीं बताती। ऊपर का मेरा आकलन यह मानता है कि 42% स्तरों के बीच लगभग स्थिर रहता है। यह धारणा प्रशंसनीय है और अपरीक्षित भी — वरिष्ठ काम अधिक दोहराव पैदा कर सकता है, या वरिष्ठ उपयोगकर्ता उससे बचने में अधिक कुशल हो सकते हैं। वरिष्ठ-घंटों के आँकड़े को जाँचने योग्य परिमाण-कोटि मानिए, बोर्ड डेक में रखने लायक संख्या नहीं।
इस तिमाही क्या तय करना है
चार कदम। किसी में भी नया सॉफ़्टवेयर नहीं चाहिए।
- अगले नवीनीकरण से पहले मिनटों की गिनती को तोड़िए। आपका मौजूदा मेट्रिक टूल में बिताए मिनट हैं। एक आयाम जोड़िए: उस समय का कितना हिस्सा परिणाम बना रहा है और कितना केवल एक उपयोग योग्य प्रॉम्प्ट। 20 लोगों पर दो सप्ताह का स्व-अभिलेख आपको एक बचाव योग्य आंतरिक आँकड़ा देता है, और यही इस लेख का इकलौता आँकड़ा है जो वाकई आपकी कंपनी के बारे में है।
- औसत से नहीं, भूमिका-स्तर से नमूना लीजिए। वरिष्ठ स्तर को अलग निकालिए। यदि BambooHR वाला स्वरूप आपके संगठन में भी टिकता है, तो महँगी समस्या पंद्रह कैलेंडरों में केंद्रित है, दो सौ में नहीं — और इसी से वह हल करने योग्य भी बन जाती है।
- समस्या-निवारण के हिस्से को अपनाने का KPI बनाइए। लॉगिन दर की जगह यह अनुपात रखिए। जिस रोलआउट में मिनट बढ़ें और समस्या-निवारण का हिस्सा घटे, वह काम कर रहा है। जिसमें दोनों बढ़ें, वह अपनाने के डैशबोर्ड का चोला पहने पुनःकार्य की पाइपलाइन है।
- घंटों को गिनने से पहले उनका गंतव्य तय कीजिए। दोनों ब्रिटिश मूल्यांकन बचाया गया समय माप सके, और कोई यह नहीं बता सका कि वह गया कहाँ। बिना निर्दिष्ट गंतव्य वाला समय-बचत का आँकड़ा ROI का इनपुट नहीं है। जो शुरू हो रहा है उसे जमा करने से पहले तय कीजिए कि क्या रुक रहा है।
इस साल जिन 63% ने AI बजट बढ़ाया, उन्होंने ऐसा एक ऐसे आँकड़े के आधार पर किया जो जूझने वाले मिनट और काम करने वाले मिनट को एक समान गिनता है।
अगली किस्त मंज़ूर करने से पहले पता कीजिए कि आप इनमें से कौन-सा खरीद रहे थे। आपके सबसे वरिष्ठ लोग पूरे साल इसका उत्तर चुका रहे हैं — उस AI समस्या-निवारण समय में, जिसे किसी ने बजट में रखा ही नहीं।
